01 Fórmula base
FLUX 3 lee lenguaje llano y lo expande antes de generar — no necesitas amontonar palabras clave, necesitas una frase clara. Este capítulo construye primero el esqueleto del prompt y luego repasa dos controles prácticos: el interruptor de audio, y cómo elegir resolución y duración.
1.1 La fórmula básica del prompt
Todo empieza con una frase: sujeto y movimiento son las dos partes obligatorias; cámara, entorno, estética y sonido se apilan según necesites. FLUX 3 reescribe tu prompt internamente, así que escribe con frases completas lo que quieres ver y oír — las palabras clave vagas se expanden en direcciones que no pediste.
[Sujeto] + [Movimiento] + opcional [Cámara] [Entorno] [Estética] [Sonido]
Sujeto
El protagonista: una persona, un animal o un objeto. Cuanto más específico, mejor.
Movimiento
Qué hace el sujeto, con el ritmo bien detallado. Los movimientos lentos y coherentes son los más fiables.
Cámara
Tamaño de plano y movimiento: primer plano, acercamiento, órbita. FLUX 3 sigue muy bien el lenguaje de cámara explícito.
Entorno
Escena y atmósfera: lugar, hora, luz, clima.
Estética
Dirección de arte: estilo de metraje, tono de color, textura — del video casero al cine.
Sonido
Lo que quieres oír: ambientación, efectos, diálogo. El audio nativo es la función estrella — el capítulo 2 profundiza.
El jardinero de la azotea
Prompt
Un hombre mayor con sombrero de paja riega tomateras en una azotea urbana al amanecer, con el vapor subiendo suavemente de la tierra. La cámara se acerca lentamente desde un plano general del horizonte urbano hasta un primer plano de las gotas de agua sobre las hojas. Cálida luz dorada, textura documental. Suave canto de pájaros y un lejano rumor de tráfico de fondo.
Sujeto+movimiento en la primera frase, cámara y entorno en la segunda, estética y una línea de sonido para cerrar — una sólida base de FLUX 3.
1.2 El interruptor de audio: pieza terminada o plano limpio
FLUX 3 genera audio sincronizado por defecto sin costo extra: la ambientación, los efectos y el habla llegan con la imagen. Desactívalo y obtienes un clip mudo — el plano limpio para trabajos que entran en una cadena de edición con su propia música, locución y subtítulos. Activado para publicar directamente, desactivado para postproducción.
Paso de peatones bajo la lluvia (plano mudo)
Prompt
Un concurrido paso de peatones urbano bajo la lluvia de noche, paraguas que fluyen en ambas direcciones, reflejos de neón que ondulan sobre el asfalto mojado. La cámara avanza en travelling lateral a la altura de las rodillas, siguiendo un par de zapatillas rojas entre la multitud. Contraste cinematográfico, tonos azules fríos con luces cálidas.
En esta precarga el interruptor de audio está desactivado — tómalo como metraje y coloca encima tu propia banda sonora, sin ambientación generada por el modelo que tengas que limpiar.
1.3 Resolución y duración: 720p para explorar, 1080p para entregar
Dos resoluciones (720p / 1080p) y un control deslizante continuo de 5–20 segundos. El flujo del veterano: explora en 720p — cuando la composición y el ritmo cuadren, relanza el mismo prompt en 1080p para el corte final. Ajusta la carga de acción a los segundos: un beat limpio cada 5 segundos es el ritmo fiable; 20 segundos pueden sostener una historia en miniatura.
Una carta en veinte segundos
Prompt
Una joven está sentada junto a la ventanilla de un tren al atardecer, despliega una carta manuscrita, la lee y empieza a sonreír entre lágrimas. La cámara arranca en el paisaje que pasa veloz tras el cristal, desplaza lentamente el foco hacia su rostro y se posa al final en la carta que tiembla levemente en sus manos. Suave sonido ambiente de tren, el timbre lejano de un aviso por megafonía. Tono íntimo de cine indie, cálida luz interior contra el atardecer azul de fuera.
Precargado con 20s en 1080p — una micro-historia de tres beats (desplegar, leer, reaccionar) necesita el control completo; para iterar, baja primero a 720p y vuelve para el final.
02 Escritura de audio nativo
La bandera de FLUX 3: el audio se genera en la misma pasada que el video — los diálogos con sincronía labial del hablante, los efectos anclados a los eventos físicos que los provocan. Eso significa que el sonido pertenece al prompt, no a la postproducción. Este capítulo cubre las dos técnicas de escritura: el diálogo y los efectos de sonido.
2.1 Escribir diálogos: frase entre comillas + dirección de tono
Pon la frase hablada entre comillas y luego dirige la interpretación en una cláusula: tono, ritmo, emoción. El modelo sincroniza los labios automáticamente y maneja varios idiomas. Mantén las frases cortas — una o dos oraciones cada 10 segundos; un monólogo embutido en 5 segundos fuerza un habla atropellada.
El vendedor del mercado nocturno
Prompt
Un alegre vendedor de comida callejera en un mercado nocturno voltea tortitas de cebolleta sobre una plancha chisporroteante, alza la vista hacia la cámara y dice con una sonrisa cálida: «¡Las mejores tortitas de esta calle: crujientes por fuera, tiernas por dentro, prueba una y mañana vuelves!». El vapor sube a su alrededor, los letreros de neón brillan al fondo, la multitud murmura en voz baja. La cámara mantiene un plano medio corto, con sensación documental de cámara en mano.
Frase entre comillas + dirección de interpretación «con una sonrisa cálida», la ambientación en una frase de cierre — esa es la receta completa del diálogo.
2.2 La fórmula de los efectos de sonido: ancla el sonido a los eventos
Los efectos de sonido aterrizan mejor cuando cada uno está anclado a un evento físico visible: escribe el evento y su sonido en el mismo aliento. Las peticiones vagas como «añade sonidos bonitos» producen papilla genérica; «el cucharón golpea el wok con un tintineo» le da al modelo un objetivo al que sincronizarse.
[Evento visual] con [su sonido] + opcional [cama de ambiente]
Evento visual
La acción en pantalla que hace ruido: un portazo, un tintineo de copas, pasos que chapotean.
Sonido asociado
El efecto anclado a ese evento — nombrado en concreto, en la misma frase que la acción.
Ambientación
La cama de fondo: viento, murmullo de la multitud, tono de sala. Con una frase basta.
El taller del soplador de vidrio
Prompt
En un taller en penumbra, un soplador de vidrio extrae del horno una masa de un naranja incandescente con un suave silbido de calor, la hace rodar sobre la mesa de acero con un chirrido metálico grave, y luego sopla con firmeza por la caña — el vidrio se hincha con un leve crepitar. Chispas derivan al fondo, el horno zumba sin pausa. Lento acercamiento sobre el vidrio fundido, cálido resplandor ámbar contra sombras profundas.
Cada sonido está soldado a su evento — el silbido, el chirrido y el crepitar tienen cada uno una causa visible, y el zumbido del horno es la cama de ambiente.
03 Imagen a video
Un fotograma inicial más una descripción de movimiento, y FLUX 3 da vida a la imagen — la escena ya existe, así que el centro de gravedad del prompt se desplaza al movimiento y al sonido. Un fotograma inicial fija la apertura; el fotograma inicial y final controla ambos extremos del plano.
3.1 Dar vida a una imagen fija
Un prompt de imagen a video cubre tres cosas: qué se mueve, cómo se mueve y cómo suena. No repitas lo que ya está en la imagen — despiértalo en su lugar: la niebla que deriva, el agua que se ondula, la luz que parpadea son pequeños movimientos con alta tasa de acierto.
Mañana en el lago
Prompt
Da vida a esta foto: una niebla fina deriva lentamente sobre el lago en calma, la barca de remos de madera se mece con suavidad, y una garza despega del embarcadero con un lento batir de alas y un suave chapoteo. La cámara se mantiene casi quieta y luego deriva un poco hacia delante. Tranquila ambientación matinal, un lejano lamer del agua.
Sube 1 imagen de fotograma inicial; el prompt escribe solo el movimiento y el sonido — la escena en sí ya está en la imagen.
3.2 Fotograma inicial y final: controla el principio y el final
Sube un fotograma inicial y uno final, y el modelo genera todo lo que hay entre ellos. La escritura del prompt cambia en consecuencia: sáltate el principio y el final (ya están en las imágenes) y escribe solo el trayecto — el ritmo del cambio y cómo la cámara lo acompaña. Cuanto mayor sea la distancia visual entre los dos fotogramas, más descripción del proceso deberías aportar, y más duración deberías conceder.
El vuelo del avión de papel
Prompt
El avión de papel deja la mano del niño, se tambalea, atrapa una corriente ascendente y planea suavemente a través del patio hacia la ventana abierta, ganando altura poco a poco. La cámara lo acompaña en un único travelling continuo. Suave brisa de la tarde, hojas que susurran, la risa encantada de un niño fuera de plano.
En modo imagen a video, sube un fotograma inicial (el lanzamiento) + un fotograma final (la ventana); 8 segundos le dan al vuelo espacio para respirar.
04 Storyboards y extensión de clips
Este capítulo cubre las dos herramientas de control de línea temporal de FLUX 3, que viven en dos sitios distintos. Los fotogramas clave de storyboard funcionan en el modo referencia: sube 3–10 imágenes y se convierten en fotogramas clave — la primera abre el clip, la última lo cierra, y el resto se reparte uniformemente en medio. La extensión de clips es un modelo propio, FLUX 3 Extend: entrégale un video (de hasta 15 segundos) y continúa el plano a partir de sus últimos fotogramas.
4.1 El storyboard: dirige con fotogramas clave
Un prompt de storyboard narra los beats en orden — las imágenes fijan el aspecto de cada beat, tus palabras dirigen cómo un beat fluye hacia el siguiente. De tres a diez imágenes; se requiere una duración explícita para que el modelo pueda situar los fotogramas clave en la línea temporal. Mantén los beats proporcionales a los segundos: dos beats en 5 segundos, de tres a cuatro en 10–15.
[Beat 1 → Beat 2 → Beat 3] + opcional [Ritmo] [Continuidad]
Beats
Una cláusula por fotograma clave, en orden de subida: qué es este momento y cómo se mueve.
Ritmo
Cómo transicionan los beats: fundido lento, match cut, movimiento continuo — basta con nombrarlo.
Continuidad
Una línea de cierre que fija la luz, la paleta y la atmósfera a lo largo de los beats.
Espresso en tres beats
Prompt
Tres beats de un espresso: los granos enteros caen rodando al molinillo, el café molido fino cae en cascada al portafiltro y se prensa a nivel, y luego el espresso oscuro fluye a la taza blanca con la crema subiendo. Cada beat fluye hacia el siguiente con un suave raccord de movimiento. Cálida luz de cafetería, ricos tonos marrones y crema, el zumbido del molinillo cediendo paso a un vertido silencioso, atmósfera consistente de principio a fin.
Sube 3 imágenes de referencia (granos / prensado / vertido) en orden de storyboard — la primera abre el clip, la última lo cierra, y la del medio se sitúa uniformemente entre ambas.
4.2 Extender un clip: que el plano siga rodando
Cambia al modelo FLUX 3 Extend (modo video-extend), sube un video (de hasta 15 segundos, MP4) y FLUX 3 continúa a partir de sus últimos fotogramas — misma escena, mismo movimiento, contenido nuevo. El prompt describe solo lo que ocurre a continuación, no lo que ya ocurrió. Encadena extensiones para construir secuencias mucho más allá del límite de 20 segundos por generación. Ojo: este es el carril premium — la continuación cuesta más por segundo que la generación desde cero, así que extiende las tomas que lo merezcan.
El plano de dron continúa
Prompt
La cámara sigue planeando hacia delante sobre la costa, rodea el acantilado y revela una cala escondida de aguas turquesas, con un velero solitario fondeado dentro. El movimiento se mantiene suave y continuo, con la luz de la hora dorada consistente con el plano entrante. Olas suaves y viento, una gaviota lejana.
Sube tu clip de origen (la aproximación al acantilado) a la ranura de video de origen; escribe solo lo que ocurre a continuación — la continuidad con el metraje que le diste corre a cargo del modelo.